Robust Bayesian hierarchical models for basket trials enabling joint evaluation of toxicity and efficacy
联合评价毒性与疗效的稳健贝叶斯层级篮式试验模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究临床试验的贝叶斯信息共享与双变量评价，未提供所列计量细分的充分直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
联合评价毒性与疗效的稳健贝叶斯层级篮式试验模型
- 研究问题
- 在同时评价多个患者亚组的篮式试验中，如何联合分析毒性与疗效，并在两类效果的可交换性不同或相关时合理共享信息？
- 方法与思路
- 作者提出两种贝叶斯层级模型，分别允许效果向量整体或毒性与疗效参数分项可交换，并按可交换结构设定效果相关性。
- 材料陈述的贡献
- 摘要称模拟中模型在多种异质性场景表现稳健，尤其在仅一类效果可交换或两类效果明显相关时，获得更高功效及较小错误率。
- 阅读关注点
- 应核对可交换与不可交换分布、相关参数及零相关限制、信息借用规则，以及毒性疗效决策标准和错误率的定义。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实。摘要未给出先验、决策阈值和模拟数值，性能陈述不能外推为临床有效性结论。
原文摘要
Basket trials have gained increasing attention for their efficiency, as multiple patient subgroups are evaluated simultaneously. Conducted basket trials focus primarily on establishing the early efficacy of a treatment, yet continued monitoring of toxicity is essential. In this paper, we propose two Bayesian hierarchical models that enable bivariate analyses of toxicity and efficacy, while accounting for heterogeneity present in the treatment effects across patient subgroups. Specifically, one assumes the subgroup-specific toxicity and efficacy treatment effects, as a parameter vector, can be exchangeable or non-exchangeable; the other allows either the toxicity or efficacy parameters specific to the subgroups, to be exchangeable or non-exchangeable. The bivariate exchangeability and non-exchangeability distributions introduce a correlation parameter between treatment effects, while we stipulate a zero correlation when only toxicity or efficacy parameters are exchangeable. Simulation results show that our models perform robustly under different scenarios compared to the standard Bayesian hierarchical model and the stand-alone analyses, especially in producing higher power when the subgroup-specific effects are exchangeable in toxicity or efficacy only. When considerable correlation between the toxicity and efficacy effects exists, our methodology gives small error rates and greater power than alternatives that analyse toxicity and efficacy by parts.